High Burden of Unrecognized Atrial Fibrillation in Rural India: An Innovative Community-Based Cross-Sectional Screening Program
Notice bibliographique
Résumé
BACKGROUND: Atrial fibrillation, the world's most common arrhythmia, is a leading risk factor for stroke, a disease striking nearly 1.6 million Indians annually. Early detection and management of atrial fibrillation is a promising opportunity to prevent stroke but widespread screening programs in limited resource settings using conventional methods is difficult and costly. OBJECTIVE: The objective of this study is to screen people for atrial fibrillation in rural western India using a US Food and Drug Administration-approved single-lead electrocardiography device, Alivecor. METHODS: Residents from 6 villages in Anand District, Gujarat, India, comprised the base population. After obtaining informed consent, a team of trained research coordinators and community health workers enrolled a total of 354 participants aged 50 years and older and screened them at their residences using Alivecor for 2 minutes on 5 consecutive days over a period of 6 weeks beginning June, 2015. RESULTS: Almost two-thirds of study participants were 55 years or older, nearly half were female, one-third did not receive any formal education, and more than one-half were from households earning less than US $2 per day. Twelve participants screened positive for atrial fibrillation yielding a sample prevalence of 5.1% (95% CI 2.7-8.7). Only one participant had persistent atrial fibrillation throughout all of the screenings, and 9 screened positive only once. CONCLUSIONS: Our study suggests a prevalence of atrial fibrillation in this Indian region (5.1%) that is markedly higher than has been previously reported in India and similar to the prevalence estimates reported in studies of persons from North America and Europe. Historically low reported burden of atrial fibrillation among individuals from low and middle-income countries may be due to a lack of routine screening. Mobile technologies may help overcome resource limitations for atrial fibrillation screening in underserved and low-resource settings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».